预防跌倒系统
阅读：1043发布：2020-05-23
专利汇可以提供预防跌倒系统专利检索，专利查询，专利分析的服务。并且提供了一种用于 预防 用户跌倒的系统，包括：用于附着到身体相应部分的一个或多个 传感器 ，每个传感器适于测量所述身体相应部分的运动并将所述运动转换成 信号 ；以及 控制器 ，所述控制器适于接收一个或多个所述信号，并通过从一个或多个所述信号估计相对于身体下部的轨迹的所述用户的质心的轨迹来确定跌倒 风 险。，下面是预防跌倒系统专利的具体信息内容。
1.一种用于预防用户(4)跌倒的系统，包括：
用于附着到身体的相应部分的一个或多个传感器(2，20，22)，每个传感器(2，20，22)适于测量所述身体的所述相应部分的运动并将所述运动转换成信号；以及控制器(12)，所述控制器适于接收一个或多个所述信号，并通过从一个或多个所述信号估计相对于所述身体的下部的轨迹的所述用户(4)的质心的轨迹来确定跌倒风险。
2.根据权利要求1所述的系统，其中，所述控制器(12)适于通过如下方式确定所述跌倒风险：从一个或多个所述信号估计所述用户(4)的质心的所述轨迹；从一个或多个所述信号估计所述身体的所述下部的所述轨迹；以及比较所估计的轨迹。
3.根据权利要求1或2所述的系统，其中，所述身体的所述下部的所述轨迹包括所述用户(4)的支撑面的轨迹。
4.根据权利要求3所述的系统，其中，所述用户(4)的支撑面是由所述用户(4)行走时的步宽和步长界定的表面。
5.根据权利要求1、2、3或4所述的系统，其中，所述控制器(12)适于从所述质心的所述轨迹和所述身体的所述下部的所述轨迹之间的距离确定跌倒风险。
6.根据权利要求5所述的系统，其中，所述控制器(12)适于在所述质心位于所述身体的所述下部的所述轨迹外部时确定跌倒风险更高。
7.根据权利要求5或6所述的系统，其中，所述控制器(12)适于在所述质心和所述身体的所述下部的所述轨迹之间的距离小于阈值时确定跌倒风险更高。
8.根据权利要求7所述的系统，其中，所述阈值是从所述用户(4)对所述系统的先前使用情况确定的。
9.根据前述权利要求中的任何一项所述的系统，其中，所述身体的所述下部包括所述用户(4)的双腿、双踝、双脚或双脚跟之一或两者。
10.根据前述权利要求中的任何一项所述的系统，其中，所述一个或多个传感器(2)中的至少一个附着到所述用户的身体的上部，例如头部、上躯体或下躯体。
11.根据前述权利要求中的任何一项所述的系统，其中，所述系统包括附着到所述用户的身体的上部以测量所述身体的该部分的运动的传感器(2)，并且所述控制器(12)适于从表示所述用户的身体的所述上部的运动的信号估计所述用户(4)的质心的所述轨迹。
12.根据权利要求11所述的系统，其中，所述控制器(12)还适于从所测得的所述身体的所述上部的运动估计所述身体的所述下部的所述轨迹。
13.根据权利要求11所述的系统，其中，所述系统包括附着到所述用户的身体的下部以测量所述身体该部分的运动的至少一个其他传感器(20，22)，并且所述控制器(12)适于从表示所述用户的身体的所述下部的运动的信号估计所述身体的所述下部的所述轨迹。
14.根据权利要求13所述的系统，其中，所述至少一个其他传感器(20，22)用于附着到所述用户(4)的腿、踝、脚、脚跟或脚趾。
15.根据前述权利要求中的任何一项所述的系统，其中，所述一个或多个传感器(2，
20，22)包括加速度计，并且所述轨迹是通过对来自所述加速度计的信号进行积分而估计的。
16.根据权利要求1到14中的任一项所述的系统，其中，所述一个或多个传感器(2，
20，22)包括加速度计，并且所述控制器适于通过从一个或多个所述信号计算Lyapunov指数或Floquet乘子来估计相对于所述身体的所述下部的所述轨迹的所述用户(4)的质心的所述轨迹。
17.一种预防用户跌倒的方法，所述方法包括：
-将一个或多个传感器附着到所述用户的身体的相应部分；
-每个传感器测量所述身体的所述相应部分的运动并将所述运动转换成信号(101)；
以及
-通过从一个或多个所述信号估计相对于所述身体的下部的轨迹的所述用户的质心的轨迹确定跌倒风险(103，105，107)。
18.一种包括计算机代码的计算机程序产品，所述计算机代码当在计算机或处理器上被运行时，执行以下步骤：
-从附着到用户身体的相应部分的一个或多个传感器接收一个或多个信号，每个传感器测量所述身体的所述相应部分的运动并将所述运动转换成信号；以及-通过从所述一个或多个信号估计相对于所述身体的下部的轨迹的所述用户的质心的轨迹确定跌倒风险(103，105，107)。
预防跌倒系统
技术领域
[0001] 本发明涉及一种预防跌倒系统，尤其涉及一种监测相对于用户身体下部的用户质心的预防跌倒系统。
背景技术
[0002] 跌倒每年影响数百万人并导致重要的损伤，尤其是在老年人群中。实际上，据估计跌倒是老年人前三大死亡原因之一。
[0003] 跌倒是指身体突然、不受控制地且无意识地向下位移到地面。当前有一些可用的跌倒检测系统，这些系统检测这些跌倒并允许用户在跌倒发生时获得手动或自动的援助。示范性的跌倒检测系统可以包括个人帮助按钮(PHB)或佩戴式和/或基于环境的自动检测系统。
[0004] 自动跌倒检测系统包括一个或一组连续测量用户运动的传感器，以及将测得或经处理的信号与预定阈值比较以检测跌倒的处理器。具体而言，自动跌倒检测系统存储各预定阈值和/或各分类模式组成的集合(下文称之为参数集)。在系统启动时，从传感器(例如加速度计)获得的运动数据将进行连续转换和处理，然后与那些参数集进行比较以确定是否发生了跌倒事件。
[0005] 很多跌倒检测系统还计算跌倒检测系统的取向变化(因此还检测用户的取向变化)，并检测跌倒事件期间与地面的撞击。
[0006] 这些系统的缺点在于缺乏充分的可靠性。此外，这些系统实际上并没有预防跌倒，而只是在用户已经跌倒的情况下提供警告或警报。
[0007] 但是，对于那些在行走过程中不安全的用户(例如，所述不安全性是由对跌倒的恐惧或者肌肉疲劳引起或增强的)，或频繁进行多项任务的用户，即他们在行走的时候携带物品，与其孙子或孙女交谈等，或对于那些在光线暗淡的地方、潮湿或地面不平坦(例如松散的地毯、电线、玩具、工具和其他危害)的地方运动的用户，或正在接收药物治疗，而药物治疗可能会影响到平衡或集中力的用户，能够得到预防跌倒系统的辅助，这减小了跌倒的实际风险，或至少帮助他们避免处于更高跌倒风险的情况下，使他们感到更安全。
[0008] WO 2008/059418描述了一种用于预防用户跌倒的系统，其包括若干个可附着到至少一个下半身肢段的传感器，其中，所述传感器适于测量至少一个下半身肢段的运动，并适于将所述运动转换成信号，所述系统还包括适于从相应传感器接收所述信号的控制器，所述控制器观测所述信号作为至少一个下半身肢段的实际体位序列，并将实际序列与随时间变化的预定体位序列(预定序列与低跌倒风险有关)进行比较，以在所述实际序列偏离预定序列(一定程度)时确定存在高跌倒风险。
[0009] 于是，这种系统提供了一种指示何时很可能发生跌倒的方法，在用户足部轨迹有偏差时风险加大。
[0010] 本发明的目的在于提供一种用于预防跌倒的系统，其改进上述系统。
发明内容
[0011] 预防跌倒系统能够基于检测跌倒风险的暂时增加，这种暂时增加可以作为用户步态稳定性或其他参数减小被观测到。于是，本发明提供了一种预防跌倒系统，该系统基于监测相对于用户身体下部的用户身体质心(CoM)的轨迹。
[0012] 因此，尽管在现有技术系统中，脚轨迹的更大偏差或偏离引起风险加大的检测结果，但是本发明提出，如果用户身体的质心同时也显著改变，这才会引起风险加大的检测结果。于是，本发明能够区别可能由不规则表面(这增大了支撑面的变化，但未必增大质心的变化)导致的步态变化。相反，如果支撑面没有对应的变化增大，用户身体质心轨迹的变化增大引起本发明中风险加大的检测结果。
[0013] 根据本发明的第一方面，提供了一种用于预防用户跌倒的系统，包括：用于附着到身体相应部分的一个或多个传感器，每个传感器适于测量所述身体相应部分的运动并将所述运动转换成信号；以及控制器，所述控制器适于接收一个或多个所述信号，并通过从一个或多个所述信号估计相对于身体下部的轨迹的用户质心的轨迹来确定跌倒风险。
[0014] 在本发明的一些实施例中，控制器通过直接估计相对于身体下部轨迹的用户质心轨迹(例如，直接估计两个轨迹之间的差异)来确定跌倒风险。在备选实施例中，控制器通过独立估计两个轨迹并随后比较它们来确定跌倒风险。
[0015] 根据本发明的第二方面，提供了一种预防用户跌倒的方法，所述方法包括：将一个或多个传感器附着到所述用户身体的相应部分；每个传感器测量所述身体相应部分的运动并将所述运动转换成信号；以及通过从一个或多个所述信号估计相对于身体下部轨迹的用户质心的轨迹确定跌倒风险。
[0016] 根据本发明的第三方面，提供了一种包括计算机代码的计算机程序产品，所述计算机代码当在计算机或处理器上被运行时，执行以下步骤：从附着于用户身体相应部分的一个或多个传感器接收一个或多个信号，每个传感器测量所述身体相应部分的运动并将所述运动转换成信号；以及通过从所述一个或多个信号估计相对于身体下部轨迹的所述用户的质心的轨迹确定跌倒风险。附图说明
[0017] 现在将仅参考附图通过举例的方式来描述本发明，在附图中：
[0018] 图1(a)、1(b)和1(c)示出了质心、支撑面和动态支撑面的概念；
[0019] 图2示出了根据本发明第一实施例的预防跌倒系统；
[0020] 图3示出了图2的预防跌倒系统的方框图；
[0021] 图4示出了根据本发明第二实施例的预防跌倒系统；
[0022] 图5示出了根据本发明第三实施例的预防跌倒系统；以及
[0023] 图6示出了根据本发明的方法。
具体实施方式
[0024] 如上所述，本发明提供了一种预防跌倒的系统，其基于监测相对于用户身体下部的用户身体质心(CoM)的轨迹检测跌倒风险的暂时性增加。
[0025] 在下文中，要将“轨迹”理解为是指表示为位置序列的相关部分通过空间所循的路径。由于(暂时)跌倒风险是从与轨迹相关的某种距离度量导出的，要将速度理解为包括在“轨迹”中，以便校正速度可能对所选距离度量造成的影响(如果有的话)。例如，如果测试到质心在特定区域之内运动，假设质心伴随有将向内进行的速度，那么质心可能物理地在该区域之外运动。质心的“轨迹”在该区域之内(尽管可能估计距离度量超过临界值)。反之亦然，在该区域之内物理运动但表现出向外的强速度的质心可能会被估计成处在区域之外的轨迹上。这些校正对于本领域的技术人员而言是显而易见的。
[0026] 用户身体的质心(CoM)和支撑面(BoS)的概念，连同压力中心(CoP)，是现有技术中公知的。它们用于对人站立时维持平衡的方式进行建模。质心是定义能够代表全身平移运动的点的力学量。它还是身体在自由空间中旋转所围绕的点。对于人体而言，CoM位于骨盆附近。于是，优选将用于估计CoM轨迹的传感器靠近骨盆进行附着。
[0027] 支撑面(BoS)是为站立，即为静态状况定义的，大致是由环绕双脚的四边形形状覆盖的区域。
[0028] 如果质心停留在支撑面之内，站立的人就是稳定的。人通过改变地面上的压力点来维持该稳定性。这引入了压力中心(CoP)的概念。通常，将直立的人建模为倒立的摆，其中脚踝代表铰链。在CoM处作用的重力以及在CoP处作用的地面反作用力(GRF)绕这些铰链产生力矩，让人前后摆动。在图1(a)和1(b)中示出了这些概念。如果GRF的力矩不能平衡重力力矩，那么人将会跌倒。如果CoM(xm)延伸到BoS之外(且人未将移动腿，这是站立姿势的假设)，几乎肯定会发生这种情况。
[0029] 人在行走时的支撑面并不是那么清楚地定义的。出于本发明的目的，将动态支撑面(即，运动，例如行走期间的支撑面)定义为由步宽(W动态)和步长(L步)跨越的表面，如图1(c)所示。
[0030] 于是，本发明基于如下认知：偏差或偏离是跌倒的必要度量，但其自身不保证是确定跌倒风险的充分度量。偏差或偏离提供了关于运动自身稳定性，即运动模式稳定性的信息。本发明在其从潜在扰动恢复能力方面说明运动的稳定性，即，从质心移动到支撑面之外的“无可返回点”开始还有多少余量。在测量跌倒的平均风险时，步态偏差就足以估计风险，因为可以假设恒定的BoS。然而，在测量动态风险时，并非总满足这种假设，必须要测量相对于支撑面的质心的轨迹。
[0031] 于是，通过以下方式确定跌倒的动态风险：对每一步估计步长(L步)和步宽(W动态)，认为它们共同给出瞬时BoS；确定在该步期间质心走过的轨迹(或由包括相对于人面对/运动方向的正向和侧向运动的轨迹的二维扩展形成的CoM穿越的表面面积；如果在一步形成的轨迹周围画出矩形，其给出一表面)；并从CoM和BoS轨迹之间的动态距离，尤其是从|CoM-BoS|的最小值，确定跌倒风险。由于不能以绝对坐标测量位置，因此在简单实施中假设BoS和CoM两者的中心是对准的。不过，可以使用更精细的算法来细化这种估计。
[0032] 比较CoM和BoS两者边界的位置，查看：
[0033] (i)是否BoS包含CoM；以及
[0034] (ii)从CoM边界到BoS边界的余量或距离。
[0035] 对于点(i)，可能偶尔会发现在行走期间CoM位于BoS外部，但这并非表示跌倒风险高。对于点(ii)，将小余量解释为表示跌倒风险增加，其中“小”相对于该用户的通常余量而言。
[0036] 在发现风险增加时，可以警告用户更加小心，或休息一下，例如坐一会儿。这种风险增大也可能累积，并被提供给护理人员，护理人员可以使用该信息为用户提供进一步建议或处理。
[0037] 图2示出了经由带子或其他附着装置6附着到用户4的根据本发明第一实施例的预防跌倒系统1。在这一实施例中，系统1包括单一单元2，其优选附着到用户身体的一部分，使得单元2中的传感器能够测量行走模式的周期性。于是，可以将单元2附着在用户身体4的躯干或上部，例如在头部周围。在更低位置(例如在腿上)，行走信号(即行走导致的加速度)将更强。例如，在脚上，在这只脚的站立阶段期间将仅观察到重力，允许将速度设置为零，无需从其他装置估计速度。然而，在将单元2附着到上部时，行走信号的周期性将会加倍，因为两条腿同等地对信号波形做出贡献(在每只脚碰到地面时上部将登记加速度)。
[0038] 在这一实施例中，单元2包括按钮8，如果用户跌倒并需要援助，用户4能够操作按钮8向呼叫中心或其他援助单位发送报警信号。
[0039] 图3更详细地示出了系统1的单元2。单元2包括一个或多个用于监测用户4运动的传感器10以及处理器12，处理器12用于分析来自传感器10的信号以确定用户4是处在增大的跌倒风险中，将要跌倒还是用户4已经跌倒。传感器10通常包括加速度计，用于测量系统1经受的加速度。
[0040] 一个或多个传感器10可以包括除加速度计之外的传感器，例如陀螺仪(用于确定单元2的取向)、空气压力传感器(用于帮助确定用户跌倒时单元2的高度变化)、鞋垫压力传感器(在将单元2放在脚上时)、肌电图(EMG)传感器、磁强计(用于测量相对于地球磁场的单元2的取向变化)以及温度传感器。
[0041] 可以包括辅助估计位置的其他传感器。可以从以球坐标系表达的加速度计信号的二重积分估计位置。这种积分需要速度和位置的边界条件。由于测量每一步，因此可以任意地选择每步的起始位置为零。如上所述，当在脚上测量时，在站立阶段期间，已知起始速度为零。在其他测量位置，要进行估计，例如，可以利用倒立摆模型(例如，如Zijlstra Hof，Gait Posture18(2003)1-10中所述)，可能要求平均侧向速度为零，从脚上步进时间的测得步长导出该估计。
[0042] 在这一实施例中，观察行走模式的偏差。这可以是统计学中定义的传统偏差，但也可以是非线性度量，例如最大Lyapunov指数或Floquet乘子(例如，如J.B.Dingwell等人，Chaos 10(4)，2000，848-863的“Nonlineartime series analysis of normal and pathological human walking”中所述)。这些度量表示模式自身有多么稳定。在这一实施例中，假设BoS未改变很大，因此CoM的大偏离将表示跌倒风险增加。
[0043] 图4示出了本发明的第二更优选实施例。在这一实施例中，系统1包括如前所述的单元2，现在优选将单元2附着在用户4的质心处或附近(尽管也可以将其附着到用户头部或上躯体)，这意味着单元2中的加速度计10能够测量作用于用户4的质心的加速度。在这一实施例中，系统1还包括第二单元20，优选地，可能经由带子或其他附着装置将第二单元20附着到用户4的腿、踝、脚、脚跟或脚趾上，或者可以将单元20并入短袜或鞋子中供用户穿戴，例如作为鞋子的一部分或作为鞋垫。第二单元20包括相应的加速度计，使得其能够测量腿或脚经受的加速度。第二单元20还可以包括结合第一实施例上文所述的其他传感器。
[0044] 于是，在这一两个传感器的实施例中，靠近骨盆附着的传感器测量CoM的运动，附着到脚上(例如在鞋子中)的传感器测量动态BoS。
[0045] 在这一实施例中，假设用户4的步态具有完美的反阶段对称性，这意味着，如果例如将传感器附着到左脚，那么估计右脚的信号是来自左脚的测得信号的对称对应信号(即，在横向方向上是镜像的，但在矢状方向上是相同的)，但时间偏移半个周期。
[0046] 如果，例如，从临床观察已知用户4具有不对称步态，可以相应地调整左右互换。
[0047] 图5示出了本发明的第三更优选实施例。在这一实施例中有第三单元22，提供第三单元22以附着到用户4的另一条腿或另一只脚，同样是通过带子或其他附着装置，或者并入短袜或鞋子中。
[0048] 要认识到，从能够提供用户何时处于更大跌倒风险的可靠标识方面，而不是从用户舒适性方面(用户一般更喜欢尽可能少的传感器和单元)来讲，以上实施例是“优选的”。
[0049] 单元2的处理器12如下所述和如图6所示地处理来自传感器的信号。
[0050] 首先，处理器12检测人是否处于稳定状态：站立或行走(步骤101)。对于站立时的稳定状态，信号必须要在某一平均值附近变动。对于行走时的稳定状态，信号必须在合理极限之内是周期性的。极限周期应当是可检测到的(即，在某种多维空间中绘示其随时间变化的信号参数时的重复模式)。在站立时，一只脚或双脚的传感器应当相对处于静止(因此检测不到加速度)。在单元在CoM位置处包括空气压力传感器的实施例中，传感器的高度为直立的姿势提供了额外支持。由于人是站立的，因此没有对BoS的进一步估计，仅监测CoM的偏差，如在单一传感器方案中那样。
[0051] 在行走时，使用稳态信号的周期性描绘各个周期(脚步)。例如，在脚跟每次撞击时，由于残余脚速度的吸收，将会有更大的加速度。可以使用这个峰值来描绘脚步边界。通常，在CoM，通过观察加速度矢量的范数可更好检测峰值。在BoS，通过观察加速度的导数的(范数)可更好检测峰值。如果传感器未进行时间同步，对两个传感器信号独立进行同步，实际可以使用这一峰值来对传感器进行同步。否则，使用时间同步，可以使用不同传感器得到的脚跟撞击时间来细化周期描绘。另一种方法是测量垂直位移并观察高度返回其基准高度的时刻。必须要对漂移和重力进行适当补偿。
[0052] 第二步骤(步骤103)是估计传感器的位置。这是通过对加速度计信号进行二重积分实现的，因此，由于加速度计信号的偏移(由于重力，加上对传感器取向的不正确估计，常常会有偏移)，结果可能容易漂移。可以利用所描绘的周期边界以及模式为稳态这一事实来补偿漂移。平均垂直速度需要是零，因为高度没有变化。平均前行(运动)速度需要是常数，因为假设用户在以恒定脚步行走。这个常数不是事先知道的，可能会随着时间变化。
[0053] 通过从一个周期边界到下一周期边界对加速度计信号积分获得速度。将第一周期的初始速度设置为零(或任何其他适当的值)。对在前面周期中获得的速度使用低通滤波器来估计下一周期中的速度。例如，利用移动平均值过滤器：在每一步之后，将速度更新为先前所用值和新发现值的加权平均：v新＝(1-)*v旧+α*v测得。α通常为0.10。这一v新被用作在下一周期积分的初始速度。由于速度能够改变，因此不能用于补偿测得加速度中的漂移。于是，为了提供补偿漂移的机制，需要平均加速度在每一步都为零。这与需要恒定速度是一致的：在恒定速度下，加速度的积分变为零，即，平均加速度为零。
[0054] 在每个周期(每一步)开始时将每个传感器的位置(即，优选在CoM处以及在两条腿或两只脚上)设置为零，使得步长和步宽是完整积分的结果。更确切地说，将整个脚步周期上的最大值取做对长和宽的估计。从这些位置计算CoM和BoS的(直线)轨迹。在开始时，将轨迹的中心彼此对准。可以在每一步再次进行这种对准，但也可以使用移动平均值或类似过滤器调整中心。
[0055] 在备选实施例中，并非BoS具有针对脚步的特定表面面积，而是可以假设在脚步自身期间BoS的表面面积是动态的，即，在摆动腿通过站立腿时它处于最小。在用户稳定的所有时间内，CoM必须要位于该BoS之内。在这种情况下，必须要对准CoM和BoS轨迹的中点，不能假设起始位置是相等的。本领域的技术人员将认识到，这个模型是简化的，可以进一步细化。具体而言，CoM可以临时位于BoS之外，并表示相对低的跌倒风险，条件是CoM具有充分大速度将其送回BoS中。或者，如果CoM在BoS之内，但具有较高的“向外”速度(即远离BoS的中心)，跌倒的风险较高。如上所述，可以将CoM或BoS的这种速度效应并入轨迹估计中。可以同等地独立处理它。
[0056] 应当在水平平面中进行积分。因此，必须要对来自加速度计的信号的什么分量处于水平方向做出估计。这又需要知道传感器的取向。可以从传感器的直流(DC)分量估计取向，直流分量是因为重力引起的，或者，在预防跌倒系统2中有其他传感器时，是因为其他传感器，例如磁强计和/或陀螺仪引起的。
[0057] 在备选实施例中，对于质心的位置而言，可以监测对应传感器的垂直轨迹并例如利用倒立摆模型将其转换成水平位移。
[0059] 对于步宽而言，可以假设额外的DC脚步(偏移)宽度以表示两脚之间的自然间距。例如20-30cm。不过，原则上，精确的偏移宽度不重要，因为，如果系统2在相对意义上，而非绝对意义上测试模式的偏离，将发出跌倒风险增大的警告。
[0060] 如果处理器确定CoM正在扩展地接近BoS，即，如果两个表面都到达类似尺寸(因此|CoM-BoS|小于阈值)，或CoM位于BoS外部，则向用户发出警报(步骤107)，以警告用户他们处在增加的跌倒风险下。警报可以是可听或可见信号，但也可以是另一种形式，例如振动或其他触觉。可以与业务提供商或护理人员沟通事件的发生或发生率。
[0061] 在本发明的另一实施例中，可以通过如下方式来改进处理器12执行以检测跌倒风险增加的算法：独立处理左右脚步，以细化确定BoS时使用的步长，或独立考虑双支撑阶段(双支撑阶段是步态中双脚都触地的时期)。在这个阶段期间，可以使用为站立定义的静态稳定性度量。在那个意义上，可以将跌倒风险区分成两个部分：一个是在双支撑阶段中估计的，第二个是在摆腿期间估计的。
[0062] 在本发明的另一实施例中，可以扩展预防跌倒系统，使其能够用于具有某种形式的行走辅助，例如拐棍儿或支架的用户。在这些实施例中，测量用户双脚以及拐棍或支架跨越的(动态)面积作为BoS。可以在拐棍儿或支架上而不是在用户身上固定单元。可以在算法中进行校正，用于在双脚和拐棍或支架上分割用户的体重。在有支架的情况下，用户将向前屈身，这意味着CoM的位置偏移。而且，由于支架支撑力的缘故，CoM的位置将移动到躯干的另一位置，优选的附着位置将会变化。
[0063] 如上所述，除了加速度计之外，可以使用其他传感器。可以使用陀螺仪以方便估计传感器的取向。可以使用磁强计补充由重力指示的DC方向信息。可以增加EMG传感器以观测肌肉活动，从而提供统计扰动能力的更好估计(即，EMG传感器能够估计反应速度和强度)。可能观测到疲劳，这表示跌倒的风险增加。另一种措施可以是观测CoP，例如使用用户鞋子中的压力传感器。这些压力传感器可用于通过计算与CoP运动相反的力矩来细化稳定性估计。在双支撑阶段期间这可能会尤其有用。鞋垫(鞋中)压力传感器也可以用于估计脚步边界(脚跟撞击和脚趾离开)。
[0064] 在本发明的另一实施例中，没有独立观测CoM和BoS，而是可以监测组合信号|CoM-BoS|的稳定性。这种稳定性可以是CoM和BoS之间的距离，但也可以是距离的偏差。因为诸如行走的生理过程表现出非线性特性，所以更精密的分析将来自于观测对应的(非线性)量。具体而言，最大Lyapunov指数和Floquet乘子是有用的量。例如，并非观测CoM和BoS相对于彼此的位置轨迹，而是比较在CoM和BoS位置处测量的最大Lyapunov指数。
直接从传感器信号估计指数，即，不需要二重积分。
直接从传感器信号估计指数，即，不需要二重积分。
[0066] 通过研究附图、说明书和权利要求书，实践所要求保护的发明的本领域技术人员能够理解并实施针对所公开的实施例的变型。在权利要求中，“包括”一词不排除其他元件或步骤，不定冠词“一”不排除多个元件或步骤。可以通过单个处理器或其他单元实现权利要求中记载的几个项目的功能。在互不相同的从属权利要求中记载某些措施不表示不能有利地采用这些措施的组合。可以将计算机程序存储/分布在适当的介质当中，例如，所述介质可以是光存储介质或者与其他硬件一起提供的或者作为其他硬件的部分的固体介质，但是，也可以使所述计算机程序通过其他形式分布，例如，通过因特网或者其他有线或无线电信系统。权利要求中的任何附图标记不应被视为具有限制范围的作用。
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
预防热门专利
QQ群二维码
意见反馈
意见反馈